您的位置: 专家智库 > >

广西壮族自治区自然科学基金(2012GXNSFGA060004)

作品数:10 被引量:17H指数:3
相关作者:何威苏毅娟孙可邓振云龚永红更多>>
相关机构:广西师范大学广西师范学院桂林航天工业学院更多>>
发文基金:国家自然科学基金广西壮族自治区自然科学基金国家高技术研究发展计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 10篇中文期刊文章

领域

  • 10篇自动化与计算...

主题

  • 4篇属性选择算法
  • 3篇子空间
  • 3篇子空间学习
  • 3篇局部保持投影
  • 2篇属性约简
  • 1篇电子商务
  • 1篇预处理
  • 1篇商务
  • 1篇数据驱动
  • 1篇数据挖掘
  • 1篇数据预处理
  • 1篇特征点
  • 1篇图像
  • 1篇图像HASH
  • 1篇图像检索
  • 1篇缺失值
  • 1篇缺失值填充
  • 1篇自适
  • 1篇自适应
  • 1篇最近邻

机构

  • 10篇广西师范大学
  • 5篇广西师范学院
  • 2篇广西大学
  • 2篇钦州学院
  • 2篇桂林航天工业...
  • 1篇柳州铁道职业...

作者

  • 3篇苏毅娟
  • 3篇何威
  • 2篇刘星毅
  • 2篇钟智
  • 2篇龚永红
  • 2篇朱永华
  • 2篇宗鸣
  • 2篇邓振云
  • 2篇孙可
  • 1篇张师超
  • 1篇吴昊
  • 1篇张显全
  • 1篇唐振军
  • 1篇戴玉敏
  • 1篇李凌
  • 1篇刘越
  • 1篇李永钢
  • 1篇雷聪
  • 1篇杨利锋

传媒

  • 3篇计算机应用研...
  • 2篇计算机工程与...
  • 1篇河南师范大学...
  • 1篇计算机工程与...
  • 1篇计算机应用与...
  • 1篇广西师范大学...
  • 1篇小型微型计算...

年份

  • 1篇2018
  • 3篇2016
  • 4篇2015
  • 1篇2013
  • 1篇2012
10 条 记 录,以下是 1-10
排序方式:
基于稀疏学习的自适应近邻分类算法被引量:1
2015年
为解决k-NN算法中固定k的选定问题,引入稀疏学习和重构技术用于最近邻分类,通过数据驱动(data-driven)获得k值,不需人为设定。由于样本之间存在相关性,用训练样本重构所有测试样本,生成重构系数矩阵,用l1-范数稀疏重构系数矩阵,使每个测试样本用它邻域内最近的k(不定值)个训练样本来重构,解决k-NN算法对每个待分类样本都用同一个k值进行分类造成的分类不准确问题。UCI数据集上的实验结果表明,在分类时,改良k-NN算法比经典k-NN算法效果要好。
程德波苏毅娟宗鸣朱永华
关键词:数据驱动
基于LPP和Lasso的kNN回归算法
2015年
针对k NN回归算法中k值固定且未考虑样本相关性的影响,提出一种基于LPP和Lasso的最近邻算法.该算法通过局部保持投影与稀疏编码相结合,使训练样本对每一个测试样本都进行重构,重构过程中,LPP用于保持原始数据的局部结构,l1-范式确保每个测试样本被k个不同数目的最近邻样本预测,以此解决k NN算法中k值固定问题.在UCI数据集上得到的实验结果表明,改进算法在线性回归中的预测能力优于传统k NN算法.
龚永红邓振云孙可刘越
关键词:KNN局部保持投影
基于图稀疏的自表达属性选择算法被引量:2
2016年
为解决高维数据属性维度高,不易直接应用的问题,提出通过属性自表达移除不相关和冗余属性的属性选择算法。基于稀疏学习的框架,通过属性自表达考虑属性间的相关性,利用子空间学习的局部保留投影(LPP)算法,确保属性选择时数据的局部结构保持不变。实验结果表明,该算法在UCI等数据集上优于4种对比算法。
钟智胡荣耀何威罗?
关键词:子空间学习属性约简
稀疏编码的最近邻填充算法被引量:3
2015年
针对K最近邻填充算法(K-nearest neighbor imputation,KNNI)的参数K值固定问题进行了研究,发现对缺失值填充时,参数K值固定很大程度上影响了填充效果。为此,提出了基于稀疏编码的最近邻填充算法来解决这一问题。该算法是用训练样本重构每一缺失样本,在重构过程中充分考虑了样本之间的相关性;并用1范数来学习确保每个缺失样本用不同数目的训练样本填充,以此解决KNNI算法参数K值选取问题。基于数据性能分析指标RMSE和相关系数的实验比较结果表明,该算法比KNNI算法的效果要好。该算法能很好地避免了KNNI算法存在的缺陷,适用于数据预处理环节需要对缺失值进行填充的应用领域。
苏毅娟程德波宗鸣李凌朱永华
关键词:缺失值填充均方根误差相关系数数据预处理
基于超图稀疏的低秩属性选择算法用于多回归分析
2018年
针对已有的多回归算法未能更好地考虑不同列类别之间的关联性,提出了一种基于超图稀疏的属性选择方法。利用稀疏理论中的l_(2,p)-范数来改进线性回归模型,结合低秩结构和超图表示来分别考虑同一类别间的局部结构和不同类别间的全局结构,通过子空间学习中的线性判别分析(LDA)来进一步调整重构系数矩阵的结果。经实验验证,提出的算法在六个公开数据集上相比四种对比算法,在多回归分析中均能取得更好的结果。
罗?苏毅娟雷聪胡荣耀杨利锋李永钢
关键词:子空间学习
基于数据挖掘的个性化推荐
2013年
为了将网站访问者转化为消费者,设计一种电子商务网站个性化推荐方法.该方法采用数据挖掘技术获取客户的个性化特性,从而产生个性化产品推荐建议或决策.实验表明,提出的方法是有效可行的.
吴昊
关键词:电子商务数据挖掘个性化推荐
基于稀疏学习的鲁棒自表达属性选择算法
2016年
受属性选择处理高维数据表现的高效性和低秩自表达方法在子空间聚类上成功运用的启发,提出一种基于稀疏学习的自表达属性选择算法。算法首先将每个属性用其他属性线性表示得到自表达系数矩阵;然后结合稀疏学习的理论(即整合L2,1-范数为稀疏正则化项惩罚目标函数)实现属性选择。在以分类准确率和方差作为评价指标下,相比其他算法,实验结果表明该算法可更高效地选择出重要属性,且显示出非常好的鲁棒性。
何威刘星毅程德波胡荣耀
关键词:高维数据
一种高效的K值自适应的SA-KNN算法被引量:6
2015年
传统的K近邻(KNN)分类算法在实际应用过程中存在一些缺陷:没有考虑去除噪声样本,也没有考虑到在样本数据空间变换过程中保持样本数据本身的流形学结构,并且没有使用样本间属性的相关性。为此,提出引入稀疏学习理论,利用训练样本重构测试样本的方法,重构过程使用了样本间的相关性,也用到局部保持投影LPP保持数据结构不变,同时引入l2,1范数用于去除噪声样本的方法来寻找投影变换矩阵W,进而利用W确定KNN算法中K值的SA-KNN算法。在UCI数据集上的仿真实验结果表明,该方法比传统的KNN分类算法和Entropy-KNN算法有更高的分类准确度。
孙可龚永红邓振云
关键词:K近邻分类局部保持投影
基于子空间学习的图稀疏属性选择算法被引量:3
2016年
针对处理高维度属性的大数据属性约减方法进行了研究,发现属性选择和子空间学习是属性约简的两种常见方法,其中属性选择具有很好的解释性,子空间学习的分类效果优于属性选择,而往往这两种方法是各自独立进行应用的。为此,综合这两种属性约简方法,设计出新的属性选择方法,即利用子空间学习的两种技术(即线性判别分析(LDA)和局部保持投影(LPP)),考虑数据的全局特性和局部特性,同时设置稀疏正则化因子实现属性选择。基于分类准确率、方差和变异系数等评价指标的实验结果表明,该算法相比其他算法,能更有效地选取判别属性,并能取得很好的分类效果。
钟智何威程德波胡荣耀刘星毅
关键词:属性约简子空间学习线性判别分析局部保持投影
基于DCT特征点的感知图像Hash函数被引量:3
2012年
本文提出一种基于离散余弦变换(DCT)特征点的感知图像Hash函数算法。具体地说,先对输入图像预处理,生成规范化图像。在此基础上,将规范化图像分块并进行二维DCT处理,利用DCT交流系数构造特征点。最后计算特征点的重心,用特征点与重心的欧氏距离生成Hash。实验结果表明本文算法对正常数字处理稳健并具有良好的唯一性。接收机操作特性曲线对比发现,本文算法性能优于3种现有的算法。
唐振军戴玉敏张显全张师超
关键词:图像HASHHASH函数图像检索拷贝检测
共1页<1>
聚类工具0